深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
16021	2025-10-07	Enhanced swin transformer based tuberculosis classification with segmentation using chest X-ray 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241300018 PMID:39973770	研究论文	提出一种基于深度学习的结核病分类与分割方法，使用胸部X射线图像进行自动诊断	结合注意力UNet分割和增强型Swin Transformer分类器，并采用增强莲花效应优化算法进行损失函数优化	NA	开发自动化的结核病诊断系统以提高诊断准确性和效率	胸部X射线图像	计算机视觉	结核病	胸部X射线成像	A_UNet, EnSTrans	医学图像	NA	NA	Attention UNet, Enhanced Swin Transformer, Residual Pyramid Network	准确率, 召回率, 精确率, F1分数, 特异性	NA
16022	2025-10-07	Spine X-ray image segmentation based on deep learning and marker controlled watershed 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241299998 PMID:39973775	研究论文	提出一种结合深度学习和标记控制分水岭算法的脊柱X射线图像分割方法	设计了双路径模型（定位路径和分割路径），提出骨方向损失函数（BD-Loss）和位置信息感知模块（PIPM），并创新性地使用深度学习网络输出初始化标记控制分水岭算法	NA	解决相邻椎骨粘连问题，实现脊柱X射线图像中椎骨的精确分割	脊柱X射线图像中的椎骨	计算机视觉	脊柱疾病	X射线成像	CNN, U-Net	医学图像	两个脊柱X射线数据集（颈椎矢状面图像和全脊柱冠状面图像）	NA	HRNet, VU-Net	Recall, Precision, Dice系数, 交并比	NA
16023	2025-10-07	CT image super-resolution under the guidance of deep gradient information 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241289225 PMID:39973779	研究论文	提出一种基于生成对抗学习的CT图像超分辨率网络，通过梯度分支提供梯度信息指导以改善重建质量	提出包含梯度分支和超分辨率分支的双分支网络架构，通过融合梯度图像特征和结合梯度损失函数来提升细节纹理重建效果	NA	解决CT图像超分辨率重建中的结构失真和细节模糊问题	CT图像	计算机视觉	NA	CT成像	GAN, CNN	医学图像	NA	NA	生成对抗网络	结构相似性指数	NA
16024	2025-10-07	A study on CT detection image generation based on decompound synthesize method 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241296249 PMID:39973778	研究论文	提出一种基于分解合成方法的CT检测图像生成算法，用于解决核石墨组件缺陷检测中的小样本和类别不平衡问题	提出新型分解合成方法(DSM)，将图像生成过程分解为模型转换、背景生成和缺陷合成三个步骤，并采用Contour-CycleGAN模型生成逼真的合成CT图像	缺陷样本仍然依赖于现有缺陷库，生成算法的优化和模型结构的改进仍需进一步研究	解决核反应堆组件CT图像缺陷检测中的小样本和类别不平衡问题	高温气冷堆核石墨和碳组件的CT重建图像	计算机视觉	NA	螺旋计算机断层扫描(CT)、正向投影、图像重建	GAN	CT图像、STL文件、体素数据	有限的实际CT重建图像和稀疏分布的缺陷样本	NA	CycleGAN, Contour-CycleGAN	检测准确率	NA
16025	2025-10-07	Quantitative analysis of deep learning reconstruction in CT angiography: Enhancing CNR and reducing dose 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241301696 PMID:39973777	研究论文	本研究通过深度学习重建技术AiCE与传统滤波反投影在CT血管成像中的定量比较，评估了图像质量提升和辐射剂量降低效果	首次在变浓度对比剂和变扫描参数条件下系统比较深度学习重建与传统方法在血管成像中的性能差异	研究基于体模实验，尚未进行临床验证	评估深度学习重建技术在CT血管成像中的图像质量改善和剂量降低潜力	CT血管成像的体模数据	医学影像分析	血管疾病	CT血管成像，深度学习图像重建	深度学习重建模型	CT影像数据	8种不同碘浓度的体模设置	AiCE深度学习重建引擎	智能清晰图像引擎	均方根误差，对比噪声比，剂量降低百分比	320排探测器CT扫描仪
16026	2025-10-07	Radiomics and deep learning features of pericoronary adipose tissue on non-contrast computerized tomography for predicting non-calcified plaques 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241292476 PMID:39973776	研究论文	本研究结合影像组学和深度学习技术，基于非对比CT扫描的冠状动脉周围脂肪组织特征预测非钙化斑块	首次将影像组学与深度学习特征相结合，基于非对比CT的冠状动脉周围脂肪组织预测非钙化斑块	样本量相对有限（353例患者），需要外部验证集进一步验证模型泛化能力	评估基于非对比CT的冠状动脉周围脂肪组织特征在预测非钙化斑块中的价值	353例患者的临床和影像数据	医学影像分析	心血管疾病	非对比计算机断层扫描（CT）	机器学习模型	CT影像	353例患者	Scikit-learn	随机森林（RF）, XGBoost	AUC, 敏感度, 特异度, 准确度	NA
16027	2025-10-07	Enhancing brain tumor classification by integrating radiomics and deep learning features: A comprehensive study utilizing ensemble methods on MRI scans 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241299996 PMID:39973780	研究论文	本研究通过整合影像组学特征和深度学习特征，利用集成学习方法提升脑肿瘤MRI分类性能	首次将影像组学特征与3D CNN深度学习特征相结合，并系统比较多种集成学习方法在脑肿瘤分类中的效果	仅使用T1加权对比增强MRI序列，未包含其他MRI序列；样本来源单一，泛化能力有待进一步验证	评估结合影像组学特征和深度学习特征在脑肿瘤分类中的有效性	胶质瘤、脑膜瘤和垂体瘤三类脑肿瘤	医学影像分析	脑肿瘤	MRI成像	CNN, SVM, DT, RF, AdaBoost, Bagging, KNN, MLP	医学影像	3064个T1加权对比增强脑部MRI扫描	Pyradiomics, 未指定深度学习框架	3D CNN	准确率, AUC, 敏感度, 特异度	NA
16028	2025-10-07	MRI classification and discrimination of spinal schwannoma and meningioma based on deep learning 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241289745 PMID:39973782	研究论文	本研究基于深度学习构建MRI分类模型，用于自动区分脊髓神经鞘瘤和脑膜瘤	通过引入选择性卷积核模块改进原始CNN模型，增强网络对肿瘤特征的关注，有效提升网络性能	回顾性研究，样本量较小（74例患者），来自单一医疗机构	促进脊髓肿瘤早期诊断并减轻临床医生压力	经病理证实的脊髓神经鞘瘤和脑膜瘤患者	计算机视觉	脊髓肿瘤	磁共振成像	CNN	图像	74例患者（2015-2020年）	PyTorch	ResNet34-SKConv	准确率, 特异性, F1分数	NA
16029	2025-10-07	Three-dimensional semi-supervised lumbar vertebrae region of interest segmentation based on MAE pre-training 2025-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996241301685 PMID:39973800	研究论文	提出一种基于MAE预训练的三维半监督腰椎感兴趣区域分割方法	改进了原始MAE预训练网络的掩码策略，提出管状掩码MAE预训练方法，并结合伪标签生成的半监督学习	在有限标注数据条件下进行实验，可能对数据稀缺场景的泛化能力有待进一步验证	实现腰椎感兴趣区域的自动分割以辅助临床骨密度评估	腰椎三维医学图像	计算机视觉	骨科疾病	医学图像分割	MAE, 半监督学习	三维医学图像	NA	NA	MAE, UNetr	Dice系数, Hausdorff距离	NA
16030	2025-10-07	The classification of absence seizures using power-to-power cross-frequency coupling analysis with a deep learning network 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1513661 PMID:39995596	研究论文	本研究提出了一种基于功率-功率跨频率耦合分析和堆叠稀疏自编码器的失神发作自动分类方法	首次将功率-功率跨频率耦合分析应用于癫痫发作分类研究，并结合深度学习方法进行自动分类	样本量相对较小（仅12名患者），仅针对失神发作类型进行研究	开发基于脑电图信号的失神发作自动分类方法	失神发作患者的脑电图信号	机器学习	癫痫	脑电图信号分析，跨频率耦合分析	SSAE（堆叠稀疏自编码器）	脑电图信号	12名患者的94次失神发作记录及背景活动片段	EEGLAB	堆叠稀疏自编码器	灵敏度，特异性，准确率	NA
16031	2025-10-07	Contrast quality control for segmentation task based on deep learning models-Application to stroke lesion in CT imaging 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1434334 PMID:39995787	研究论文	提出一种基于深度学习模型的对比度质量控制方法，用于CT影像中卒中病灶分割任务	首次将Fisher比率用于评估医学影像对比度质量，并确定分割模型学习失效的临界对比度阈值	方法目前仅应用于CT影像中的卒中病灶分割，尚未验证在其他任务中的适用性	解决CT影像中亚急性卒中病灶分割因图像对比度不足导致的挑战	CT脑部影像中的卒中病灶	医学影像分析	卒中	CT成像	深度学习分割模型	CT影像	NA	NA	NA	Fisher比率	NA
16032	2025-10-07	Deep Learning for Predicting Biomolecular Binding Sites of Proteins 2025, Research (Washington, D.C.) DOI:10.34133/research.0615 PMID:39995900	综述	本文综述了深度学习在预测蛋白质生物分子结合位点方面的应用与发展趋势	提出了结合序列和结构信息的多模态混合模型，以及几何深度学习在结合位点预测中的创新应用	计算需求大，动态建模困难，结构方法需要高质量结构数据	开发计算高效且灵活的模型，以捕捉真实世界生物分子相互作用的复杂性	蛋白质生物分子结合位点	机器学习	NA	深度学习	几何深度学习，混合模型	序列数据，结构数据	NA	NA	NA	预测准确性	NA
16033	2025-10-07	Identifying relevant EEG channels for subject-independent emotion recognition using attention network layers 2025, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2025.1494369 PMID:39995952	研究论文	本研究使用注意力机制识别跨被试情感识别中相关的EEG通道	首次将注意力网络层应用于识别跨被试情感识别中一致相关的EEG通道	仅在三个特定数据集上验证，未考虑更多样化的实验条件	提升跨被试情感识别模型的性能	人类情感状态	脑机接口	NA	脑电图(EEG)	深度学习,注意力机制	EEG信号	三个独立数据集(SEED, SEED-IV, SEED-V)	NA	注意力网络	准确率	NA
16034	2025-10-07	Exploring artificial intelligence in orthopaedics: A collaborative survey from the ISAKOS Young Professional Task Force 2025-Jan, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.70181 PMID:39996084	调查论文	通过国际调查分析人工智能在骨科领域的应用现状、挑战和未来发展方向	首次由ISAKOS青年专业人员工作组开展的全球性骨科AI应用调查，揭示了骨科医生对AI技术的认知差异和应用障碍	样本量相对有限（211名骨科医生），男性比例偏高（92.9%），可能存在选择偏差	建立骨科人工智能应用的学术讨论基础，阐明关键模式、挑战和未来发展方向	骨科医生群体	医学人工智能	骨科疾病	问卷调查	NA	问卷调查数据	211名骨科医生	NA	NA	百分比统计	NA
16035	2025-10-07	SegCSR: Weakly-Supervised Cortical Surfaces Reconstruction from Brain Ribbon Segmentations 2024-Dec-10, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.10.626888 PMID:39713375	研究论文	提出一种基于脑部MRI带状分割的弱监督皮质表面重建方法	无需依赖传统流程生成的伪标签，通过联合学习微分同胚流直接从未分割的脑部MRI带状分割中重建皮质表面	在深度脑沟区域仍需正则化处理，性能依赖于分割质量	开发无需伪标签监督的皮质表面重建方法	脑部MRI图像中的皮质表面	医学图像处理	神经系统疾病	脑部MRI	深度学习	医学图像	两个大规模脑部MRI数据集	NA	NA	准确度, 规则性	NA
16036	2025-10-07	Accelerated 2D radial Look-Locker T1 mapping using a deep learning-based rapid inversion recovery sampling technique 2024-Dec, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5266 PMID:39358992	研究论文	开发了一种基于深度学习的快速T1恢复曲线采样技术，用于实现单次屏气期间的全腹部T1成像覆盖	结合快速T1恢复曲线采样、层面选择性反转、优化层面交错方案和卷积神经网络T1估计的创新框架	NA	开发高效的腹部T1成像方法以克服屏气时间和T1恢复时间的限制	腹部器官T1成像	医学影像分析	NA	T1-mapping, 反转恢复采样技术	CNN	医学影像数据	测试对象的多组成像会话数据	NA	卷积神经网络	Pearson相关系数, 重复性系数, 变异系数, p值	NA
16037	2025-10-07	DECA: harnessing interpretable transformer model for cellular deconvolution of chromatin accessibility profile 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf069 PMID:39987573	研究论文	提出基于视觉Transformer的DECA模型，用于从批量染色质可及性数据中解卷积细胞类型信息	首次将视觉Transformer应用于染色质可及性数据的细胞解卷积，其多头注意力机制生成的补丁注意力与Hi-C检测的染色质相互作用具有一致性	未明确说明模型在处理极高稀疏性单细胞数据时的具体表现	开发深度学习模型解决批量ATAC-seq数据中细胞异质性问题	染色质可及性图谱和细胞类型组成	计算生物学	泛癌症	ATAC-seq, 单细胞ATAC-seq, Hi-C	Transformer	染色质可及性数据	NA	NA	Vision Transformer	NA	NA
16038	2025-10-07	An arrhythmia classification using a deep learning and optimisation-based methodology 2024-Oct, Journal of medical engineering & technology DOI:10.1080/03091902.2025.2463574 PMID:39949269	研究论文	提出一种基于深度学习和优化方法的心电图信号分类方法	结合EfficientNet-B0特征提取与混合特征选择方法（两种滤波方法+自适应秃鹰搜索优化算法）	NA	心电图信号的五类心律失常分类	心电图信号	机器学习	心血管疾病	ECG信号处理	CNN	图像（灰度图和尺度图）	NA	NA	EfficientNet-B0	准确率	NA
16039	2025-10-07	A combination of deep learning models and type-2 fuzzy for EEG motor imagery classification through spatiotemporal-frequency features 2024-Oct, Journal of medical engineering & technology DOI:10.1080/03091902.2025.2463577 PMID:39950750	研究论文	提出一种结合深度学习和2型模糊的混合架构FCLNET，用于脑电运动想象分类	首次将2型模糊函数作为CNN激活函数处理不确定性，并采用贝叶斯优化调整超参数	仅使用公开竞赛数据集进行验证，未在更广泛临床场景测试	开发鲁棒的脑电信号分类方法以提升脑机接口系统性能	脑电信号中的运动想象模式	生物医学信号处理	NA	脑电信号处理	CNN, LSTM	脑电信号	BCI Competition IV-2a数据库和BCI Competition IV-1数据库	NA	Compact-CNN, LSTM, FCLNET	分类准确率	NA
16040	2025-10-07	AESurv: autoencoder survival analysis for accurate early prediction of coronary heart disease 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae479 PMID:39323093	研究论文	开发了一种基于自编码器的生存分析模型AESurv，用于利用DNA甲基化和临床特征准确预测冠心病发病时间	首次将自编码器与生存分析相结合，通过低维表征学习处理高维DNA甲基化数据，在冠心病预测中实现了优于传统生存分析模型的性能	研究仅在美国印第安人群和绝经后女性两个特定队列中进行验证，模型在其他人群中的普适性需要进一步验证	开发准确的冠心病时间-事件预测模型以支持早期干预策略	美国印第安成年人（Strong Heart Study队列）和绝经后女性（Women's Health Initiative队列）	机器学习	心血管疾病	DNA甲基化分析	自编码器	DNA甲基化数据和临床特征数据	两个前瞻性队列研究：Strong Heart Study和Women's Health Initiative	NA	自编码器	C指数, 时间-事件平均AUROC	NA